脑电图已经被广泛应用于脑部疾病与神经系统疾病的诊断中。脑电图的智能检测与诊断在临床诊断中有很好的用途,尤其是对于癫痫症状的诊断。尽管目前有一些对于脑电图进行自动分析的技术与方法,但是很多方法对于异常信号的处理不太有效,从而导致不理想的分析结果。针对这些存在的问题,本文通过一系列的方法来改善自动识别的效果。首先,通过脑电数据的采集、滤除脑电伪迹、特征抽取以便获得脑电波的波形特征参数。然后把这些特征参数送入人工神经网络(ANN)中,使用最近邻聚类学习算法对网络进行训练,接着我们把整个过程应用于脑电癫痫信号的检测实验中。最后,利用专家系统结合专家的经验根据病情对疾病做出诊断。这个系统可以为医生提供辅助诊断。系统可以在临床应用中不断的通过样本的积累来提高诊断的准确性。本文把对信号的处理分成几个不同的阶段并且综合了多种数字信号的处理方法,其中包括小波变换、人工神经网络与专家系统。这种研究方法,也可以应用于其它生物电医疗诊断系统中。利用本文的检测方法对癫痫病人的典型癫痫波数据进行测试,取得了良好的效果,其识别率超过了80%。这种分层次多种智能方法综合运用的策略提高了系统的敏感性和分辨能力的同时降低了运算开销,所以能够很好的适应长程脑电图自动检测。